🚢 Titanic Survival Prediction

Proyek machine learning untuk memprediksi keselamatan penumpang kapal Titanic menggunakan Random Forest Classifier.

📁 File

File	Keterangan
latihan3.ipynb	Notebook utama — eksplorasi, preprocessing, model, visualisasi
titanic.csv	Dataset Titanic (891 penumpang, 12 kolom)
soal_titanic.md	Soal latihan

🔧 Langkah Pengerjaan

1. Eksplorasi Data — cek shape, missing values, distribusi target
2. Pembersihan Data — drop kolom tidak relevan, fillna Age & Embarked
3. Feature Engineering — buat family_size, is_alone, ekstrak title dari nama
4. Encoding — encode Sex, Embarked, title dengan get_dummies
5. Modeling — Random Forest Classifier (100 estimators)
6. Visualisasi — survival rate per kelas tiket dan jenis kelamin
7. Prediksi — prediksi penumpang baru

📊 Hasil Model

Metrik	Nilai
Accuracy	83.2%
Precision (kelas 0)	0.86
Precision (kelas 1)	0.80

🏆 Top 5 Fitur Berpengaruh

1. Fare (0.238)
2. Age (0.217)
3. title_Mr (0.143)
4. Sex (0.111)
5. Pclass (0.081)

💡 Kesimpulan

• Wanita jauh lebih banyak selamat dibanding pria — kebijakan "women and children first"
• Kelas 1 memiliki survival rate tertinggi — akses lebih dekat ke sekoci
• Fare dan Age adalah fitur paling berpengaruh dalam prediksi

🛠️ Library

pandas, numpy, matplotlib, scikit-learn